Zum Inhalt springen
Wissensdatenbank

Glossar

Zentrale Begriffe und Konzepte, die im gesamten Research Operating System von Askalot verwendet werden.

Ein übergeordneter Container zur Organisation von Forschung. Fasst den Forschungsbericht, Fragebögen, Kampagnen und Datensätze zusammen. Ein Projekt entspricht in der Regel einer Forschungsfrage und trägt einen Forschungsbericht durch den gesamten Lebenszyklus.

Der eine Fragebogen, mit dem jedes neue Projekt beginnt: ein einzelner Kommentar, der Sie auffordert, ihn umzubenennen, zu Ihrer eigenen Umfrage zu bearbeiten oder zu löschen. Er ist ein gewöhnlicher Fragebogen ohne besonderen Schutz – ein gelöschter Start-Fragebogen bleibt gelöscht. Fertige Beispiele werden nicht in Ihre Projekte kopiert, sondern liegen in der Organisation Askalot Demo.

Das eine Dokument, das Ihre Forschung von der ersten Idee bis zum abschließenden Urteil festhält – und die maßgebliche Quelle für das Projekt. Er öffnet sich als eigene Seite und lässt sich als PDF drucken, das Sie einer Gutachterin oder einem Gutachter übergeben können.

Er wächst mit der Arbeit. Der Designer legt ihn während der Ideenfindung auf Grundlage Ihrer Quelldokumente und Ziele an und schreibt die Ziele und das Instrument; der Manager hält fest, wen Sie erreichen wollten und was die Feldphase tatsächlich ergeben hat; der Analyst ergänzt je analysiertem Datensatz eine Studie sowie die Qualitätsbewertung. Jeder Agent verantwortet benannte Kapitel, sodass alle an einem gemeinsamen Dokument weiterschreiben, statt als getrennte Werkzeuge zu arbeiten. (Der Befragten-Agent, der nur Umfragen beantwortet, hat bewusst keinerlei Zugriff auf den Forschungsbericht.)

Die Agenten reichern ihn Schritt für Schritt an: Ein Agent muss eine Passage lesen, bevor er sie ändern kann, und Änderungen erfolgen gezielt statt pauschal, sodass Inhalte früherer Phasen, von Menschen verfasste Inhalte und Inhalte anderer Agenten erhalten bleiben. Er bleibt lesbar, ganz gleich, wie viel Material Sie einbringen, denn ein Projekt ist auf ein Forschungsziel ausgerichtet – tausend Seiten Regelwerk und eine einzige Idee verdichten sich zum selben Forschungsbericht.

Der Forschungsbericht ist der Mechanismus, der „eine Plattform begleitet Forschende durch den gesamten Lebenszyklus“ zu einer architektonischen Aussage macht, nicht zu einer Marketingaussage.

Ein Abschnitt des Forschungsberichts – Abstract, Motivation, verwandte Arbeiten, Forschungsziele und KPIs, Instrumentendesign, Grundgesamtheit und Stichprobe, Datenerhebung, Codierung und Gewichtung, Studien, Bewertung der Datenqualität, Diskussion, Fazit, Anhang. Jedes Kapitel ist von Anfang an aufgeführt, ob schon etwas darin steht oder nicht, sodass der Forschungsbericht immer zeigt, wo die Forschung steht, und nicht nur, was fertig ist.

Der Kapiteleintrag zu einem analysierten Datensatz – das Urteil des Analysten über dieses Bundle. Sie entscheiden, welche Analysen im Forschungsbericht erscheinen und in welcher Reihenfolge: Eine Analyse, die gelaufen, aber nicht übernommen ist, bleibt unsichtbar, ohne gelöscht zu werden. Werten Sie die Daten hinter einer übernommenen Studie später neu aus, wird sie als Veraltet markiert – der Text bleibt genau so, wie er geschrieben wurde, und die Markierung zeigt Ihren Lesern, dass sich die zugrunde liegenden Zahlen geändert haben.

Der erste Schritt eines Projekts, bevor irgendetwas entschieden ist: Der Forschungsbericht existiert mit allen Kapiteln, von denen noch keines geschrieben ist, und der Designer erarbeitet mit Ihnen die Forschungsthemen und das Forschungsziel. Grundlage sind das Gespräch und – falls Sie welche hochgeladen haben – der Themenindex Ihrer Dokumente. Weder Dokumente noch ein vorab feststehendes Ziel sind nötig; eine Studie lässt sich vollständig im Chat durchdenken. Die Ideenfindung endet, wenn der Forschungsbericht echten Inhalt hat; von da an steuert er jeden weiteren Schritt.

Eine kurze Synthese aller in einem Projekt indexierten Dokumente, dazu eine Liste von Themen, die jedes Thema der Datei zuordnet, aus der es stammt. Er wird dem Designer während der Ideenfindung übergeben, damit der Agent weiß, welches Material Sie bereitgestellt haben und was sich daher gründlich zu lesen lohnt. Er ist eine Karte der Quellen, kein Ersatz für deren Lektüre, und nie das Forschungsziel. Projekte ohne hochgeladene Dokumente haben schlicht keinen Themenindex – das ist völlig normal.

Eine Umfragedefinition mit eigener QML-Versionshistorie. Enthält Fragen, Logik und Ablaufregeln. Fragebögen sind Vorlagen – sie legen fest, was gefragt wird. Ihr QML wird in Askalot gespeichert und nicht als Datei, die Sie verwalten. Wenn Sie einen Fragebogen umbenennen, verschieben oder löschen, bleiben seine gespeicherten Versionen daher unberührt.

Eine laufende Datenerhebung. Verknüpft einen Fragebogen mit einem Befragtenpool. Kampagnen legen fest, wer befragt wird, und verfolgen den Fortschritt. Eine Kampagne kann zusätzlich auf Spontane Teilnahme zulassen gestellt werden und nimmt dann Freiwillige auf, die nie in ihren Pool gezogen wurden.

Die Zielperson einer Umfrage – die Person, die befragt wird. Hat demografische Daten (Alter, Geschlecht, Wohnort) und Kontaktdaten. Befragte gelangen über Magic Links ohne Anmeldung an der Plattform zu ihren Umfragen.

Jemand, der sich bei Askalot anmelden kann. Was ein Benutzer tun darf, entscheiden seine Produktrollen: manager (Kampagnen, Projekte, Pools), designer (Fragebögen und QML), interviewer (führt Umfragen durch; zusätzlich durch die Zuweisung je Umfrage begrenzt) und analyst (Lesezugriff auf Dashboards und Exporte). Sie sind unabhängig voneinander und lassen sich kombinieren – ein Benutzer kann mehrere gleichzeitig haben, und manager ist keine Obermenge der anderen.

Zwei Administratorarten kommen als Attribut hinzu statt als fünfte und sechste Produktrolle: org_admin – meist eine Person, die bei der Organisation angestellt ist – verwaltet die eigenen Angelegenheiten der Organisation (Plätze, Organisationsdaten, Rechnungen, die Bezahlung), während tenant_admin ein Askalot-Operator außerhalb der Organisationen ist, der die Organisationen selbst verwaltet und zum Beispiel jemanden zum Organisationsadministrator machen kann. Keine der beiden gewährt für sich genommen Produktfunktionen.

Benutzer sind keine Zielpersonen von Umfragen – siehe Befragte Person.

Die Organisation, in der eine Sitzung gerade arbeitet, im Unterschied zur Heimatorganisation, zu der ein Konto gehört. Alles, was Sie sehen können – Projekte, Fragebögen, Kampagnen, Befragte, Datensätze –, bezieht sich auf sie, und eine Sitzung arbeitet immer nur in einer einzigen. Die meisten Menschen gehören einer einzigen Organisation an und müssen nie darüber nachdenken. Gehören Sie mehreren an oder sind Sie Askalot-Operator, wechseln Sie im Browser über das Menü Organisation wechseln zwischen ihnen (es kennzeichnet Ihre Heimatorganisation mit Primär) oder über MCP mit switch_organization. Jede Anmeldung beginnt in der Heimatorganisation. Die Zugehörigkeit zu einer Organisation vergibt und entzieht eine Administratorin oder ein Administrator, und sie erlaubt Ihnen, in die Organisation zu wechseln; Ihre Rollen in dieser Organisation entscheiden, was Sie dort tun dürfen. Ein Wechsel überschreitet nie eine Mandantengrenze – der Mandant wird bei der Anmeldung gewählt. Siehe Mitglied in mehreren Organisationen.

Die Zugehörigkeit zu einer Organisation, die es Ihnen erlaubt, in sie zu wechseln. Jedes Konto ist Mitglied seiner Heimatorganisation (im Menü Organisation wechseln als Primär angezeigt), die ihm nicht entzogen werden kann; eine Administratorin oder ein Administrator kann Sie weiteren Organisationen hinzufügen und wieder daraus entfernen – selbst beitreten oder austreten können Sie nicht. Die Mitgliedschaft verleiht keine Rolle: Was Sie in einer Organisation tun können, entscheiden die Rollen, die Sie dort haben, und ein Mitglied ohne Rolle dort kann nur seine eigene Sitzung und sein Profil verwalten. Eine Entfernung beendet auch Ihre Rollen, Ihre Mitinhaberschaft an Projekten, Ihre API-Tokens und Ihre KI-Assistenten-Verbindungen in dieser Organisation. Siehe Mitglied in mehreren Organisationen.

Eine Organisation, deren Forschungsbestand sich nicht mehr ändern lässt. Dieser Bestand umfasst ihre Projekte, Fragebögen, Kampagnen, Stichprobenstrategien, Befragtenpools, Befragten, Umfragen, Datensätze und Forschungsberichte – die Forschung selbst und alles, was daraus abgeleitet ist. Das Lesen bleibt unberührt: Stöbern, Suchen, das Öffnen des Forschungsberichts und der Export dessen, was bereits vorhanden ist, funktionieren wie gewohnt.

Eine einzige Frage entscheidet über alles andere, was Sie dort tun möchten: Ändert das den Forschungsbestand? Wer ein Projekt, einen Fragebogen, eine Kampagne oder einen Datensatz anlegt, bearbeitet oder löscht, ändert ihn – das wird abgelehnt. Ein Instrument auszuprobieren ändert ihn nicht und funktioniert daher – Sie können eine Vorschau starten, einen Vorschaulink mit einer Kollegin oder einem Kollegen teilen und den QML-Editor öffnen, in dem Quelltext, Graph und Live-Validierung funktionieren und nur das Speichern abgelehnt wird. Eine Vorschau wird nie zu Daten: Sie wird gar nicht erst bei Ihren Antworten gespeichert und löscht sich selbst, sobald Ihr Durchlauf beendet ist. Den offenen Link einer Kampagne zu veröffentlichen wird dagegen abgelehnt, denn die Freiwilligen, die darüber kommen, werden sehr wohl zu Daten. Wer diese eine Frage im Kopf behält, kann den nächsten Fall vorhersagen, statt erst an der Schaltfläche Speichern davon überrascht zu werden.

Ihr eigenes Konto – Ihr Passwort, Ihre E-Mail-Adresse, die Schlüssel für KI-Anbieter und die Modellauswahl in Ihrem Profil – gehört zum Forschungsbestand keiner Organisation, daher lässt eine versiegelte Organisation es unberührt: Sie können all das ändern, während Sie in einer solchen arbeiten. Die Ausnahme ist ein gemeinsames Konto, mit dem sich mehrere Personen anmelden; es kann sein eigenes Passwort, seine E-Mail-Adresse, seine Schlüssel für KI-Anbieter und seine Modellauswahl nicht ändern, ob seine Organisation versiegelt ist oder nicht.

Ein Vorhängeschloss-Badge mit der Aufschrift Versiegelt steht auf jeder Seite unter dem Kurznamen Ihrer Organisation in der Navigationsleiste, und jede Ablehnung wird an Ort und Stelle begründet. Anmelden, Abmelden und der Wechsel der Organisation funktionieren weiterhin. API-Tokens sind das Einzige, was vollständig gesperrt ist: Für eine versiegelte Organisation können Sie keines erzeugen, und eines, das vor dem Versiegeln erzeugt wurde, funktioniert nicht mehr.

Wird für die öffentliche Demo-Organisation verwendet und dafür, die Daten eines ausscheidenden Kunden während der Aufbewahrungsfrist verfügbar zu halten.

Die öffentliche, versiegelte Organisation in der kostenlosen Sandbox. Sie enthält kuratierte Forschung von Anfang bis Ende – Fragebögen aus mehreren Fachgebieten, Kampagnen, ausgefüllte Umfragen und analysierte Datensätze – sowie das Projekt Example Questionnaires mit vollständigen Beispielfragebögen. Besucher gelangen über das gemeinsame Demokonto auf der Startseite hinein; jedes registrierte Sandbox-Konto ist ebenfalls Mitglied und erreicht sie über das Menü Organisation wechseln mit den Rollen designer, manager und analyst. Anders als in jeder anderen Organisation liest dort jedes Mitglied jedes Projekt, während sich nichts ändern lässt und der Audit-Trail nur für Administratoren sichtbar ist. Kostenpflichtige Umgebungen haben keine Demo-Organisation.

Ein Benutzer mit der Rolle interviewer, der Umfragen stellvertretend für Befragte bedient. Interviewer helfen Befragten beim Ausfüllen, beantworten die Fragen aber nicht selbst.

Eine einzelne Umfragesitzung. Verknüpft eine bestimmte befragte Person mit einem Fragebogen, optional innerhalb einer Kampagne. Verfolgt den Fortschritt und speichert die Antworten.

Durchführung einer Umfrage, bei der die befragte Person sie selbstständig ausfüllt, typischerweise über einen per E-Mail versendeten Magic Link.

Durchführung einer Umfrage, bei der ein Interviewer die Umfrage für die befragte Person führt – telefonisch oder persönlich. Der Interviewer bedient die Oberfläche und erfasst die Antworten der befragten Person.

KI-gestützter Modus (KI-gestütztes Selbstinterview)

Abschnitt betitelt „KI-gestützter Modus (KI-gestütztes Selbstinterview)“

Durchführung einer Umfrage, bei der die befragte Person die Umfrage in ihrem eigenen KI-Assistenten, etwa Claude, beantwortet – bei einer Kampagne, die das anbietet. Der Assistent erklärt und beantwortet Rückfragen, gibt aber nie selbst eine Umfrageantwort: Die befragte Person klickt jede Antwort in einem Umfragebereich im Chat an. Eine Umfrage läuft nur dann in diesem Modus, wenn die befragte Person im Assistenten zugestimmt hat, bevor sie irgendetwas beantwortet. Siehe KI-gestütztes Selbstinterview.

Die Sprache, in der eine Umfrage beantwortet wird: auf ihrer ersten Seite aus den Sprachen gewählt, die die Kampagne anbietet, mit der ersten Antwort festgelegt, oder die Ausgangssprache, wenn nur eine Sprache angeboten wird. Wird als Spalte _language in die Datensätze übernommen.

Eine optionale Sprache, die bei einer befragten Person gespeichert ist. Sie bestimmt die Sprache der Einladung und die Sprache, die auf der ersten Seite der Umfrage vorausgewählt ist, wenn die Kampagne sie anbietet, und hindert die befragte Person nie daran, eine andere zu wählen.

Wie eine Umfrage beantwortet wird: direct (auf der Webseite), ai_assisted (im KI-Assistenten der befragten Person) oder field_interview (mit einem Interviewer, was immer Vorrang hat). Wird je Umfrage erfasst und als Spalte _mode in die Bronze-Datensätze übernommen.

Ein Code, den eine befragte Person auf ihrer eigenen Umfrageseite erhält, um ihren KI-Assistenten mit genau dieser einen Umfrage zu verbinden. Ein neuer Code macht den alten ungültig und trennt jeden damit gekoppelten Assistenten. Ein Code verbindet höchstens drei Assistenten gleichzeitig. Er läuft mit der Einladung ab (bei Freiwilligen sieben Tage nach Beginn ihrer Umfrage).

Eine Umfrage, die über den Einladungs-Workflow einer Kampagne angelegt wurde. Ist zur Fortschrittsverfolgung und Auswertung mit einer Kampagne verknüpft.

Jemand, der an einer Kampagne teilnimmt, ohne in ihren Befragtenpool gezogen worden zu sein – zum Beispiel eine Person, die bei einer Intercept-Befragung spontan auf den Interviewer zugeht. Die Umfrage einer freiwilligen Person gehört wie jede andere zu dieser Kampagne: dieselbe festgelegte Fragebogenversion, derselbe Datensatz. Sie hält fest, dass die befragte Person als Freiwillige kam und nicht gezogen wurde. Dadurch kann die Analyse beide unterschiedlich gewichten – Freiwillige wurden nicht anhand einer Quote ausgewählt.

Eine Umfrage, die eine freiwillige Person bei einer Kampagne beantwortet, die spontane Teilnahme zulässt. Der Interviewer erfasst bei der Aufnahme die Angaben der befragten Person – die Merkmale, die die Stichprobenstrategie der Kampagne misst – und beginnt das Interview direkt vor Ort. Name und Kontaktdaten sind optional.

Eine Umfrage, die ganz ohne Kampagne angelegt wird, um einen Fragebogen auszuprobieren oder einen Interviewer zu schulen. Sie gehört zu keiner Kampagne, erscheint in keiner Kampagnenstatistik und bleibt außerhalb jedes Datensatzes, sofern ein Analyst sie nicht bewusst einbezieht.

Eine eindeutige, zeitlich begrenzte URL, über die eine befragte Person ohne Anmeldung auf ihre Umfrage zugreifen kann. Enthält verschlüsselte Kennungen der Umfrage und der befragten Person.

Eine YAML-basierte Sprache zur Definition von Fragebögen. Legt Fragen, Antwortoptionen, Verzweigungslogik und Validierungsregeln fest.

Ein Abschnitt von Items innerhalb eines Fragebogens mit drei Aufgaben: Gruppierung zusammengehöriger Items zu einem thematischen Abschnitt, Verzweigung (eine Block-Vorbedingung steuert zusätzlich zu etwaigen Vorbedingungen auf Item-Ebene jedes Item im Block, sodass eine gemeinsame Bedingung für eine Folge von Items nur einmal angegeben wird, nämlich am Block) und Wiederholung (ein Roster-Block legt seine Items einmal je ausgewählter Entität vor). Items können über Blockgrenzen hinweg auf andere Items verweisen.

Die kleinste Einheit, die der befragten Person vorgelegt wird. Zu den Item-Typen gehören:

  • Comment: Reiner Anzeigetext ohne Ergebnis (informativ)
  • Question: Ein einzelnes Ergebnis (eine Antwort)
  • QuestionGroup: Eine Liste von Ergebnissen (mehrere zusammengehörige Antworten)
  • MatrixQuestion: Eine n × m-Matrix von Ergebnissen (ein Raster von Antworten)

Die Ergebnisse eines Items unterliegen denselben Wertebereichsbeschränkungen (dem möglichen Wertebereich).

Der Eingabetyp eines Items: Optionsfelder, Dropdown, Checkbox, Slider, Textfeld usw. Items mit mehreren Ergebnissen (QuestionGroup, MatrixQuestion) haben mehrere Steuerelemente desselben Typs.

Eine Liste logischer Formeln, die alle erfüllt sein müssen, damit ein Item angezeigt wird. Ist keine Vorbedingung angegeben, gilt standardmäßig True (immer anzeigen). Beruht auf vorherigen Antworten oder berechneten Werten.

Eine Liste logischer Formeln, die alle erfüllt sein müssen, damit eine Antwort auf ein Item angenommen wird. Ist keine Nachbedingung angegeben, gilt standardmäßig True (immer annehmen). Dient der Validierung.

Ein Python-Block, der ausgeführt wird, nachdem ein Item beantwortet wurde (das Ergebnis einen Wert hat) und die Antwort von der Nachbedingung validiert wurde. Dient für berechnete Werte und komplexe Logik.

Die vollständige Historie aller gespeicherten Versionen des QML eines Fragebogens, an die nur angefügt wird (append-only). Jeder Speichervorgang fügt eine neue Version hinzu, statt die vorherige zu überschreiben, und nichts in der Historie wird je gelöscht. Dadurch kann eine laufende Kampagne eine feste Version weiter ausliefern, und eine Änderung lässt sich zuverlässig rückgängig machen.

Die genaue Fragebogenversion, die eine Kampagne ins Feld bringt, festgelegt in dem Moment, in dem der Fragebogen für diese Kampagne veröffentlicht wird. Jede Umfrage der Kampagne erhält diese Version für ihre gesamte Lebensdauer – auch die einer freiwilligen Person –, sodass eine spätere Bearbeitung des Fragebogens das Instrument nicht mitten im Interview ändern kann. Eine erneute Veröffentlichung nach einer Bearbeitung legt die Kampagne auf die neuere Version fest.

Die Sprache, in der ein Fragebogen verfasst ist, gewählt beim Anlegen. Jede Kampagne bietet sie an, und sie braucht keine Übersetzung: Ihr Text ist der Fragebogen selbst.

Übersetzter Text neben einer Fragebogenversion, in einer anderen Sprache als der Ausgangssprache. Er ersetzt nur Text, den Befragte sehen; Kennungen, Optionscodes, Verzweigungen und die formale Verifikation bleiben die der Ausgangsfassung, sodass sich Antworten in allen Sprachen direkt vergleichen lassen. Nur eine vollständige Übersetzung (jeder Text übersetzt) wird Befragten angeboten. Eine neue Version übernimmt den Text jedes Items, dessen Wortlaut sich nicht geändert hat. Siehe Einen Fragebogen übersetzen.

Eine Übersetzung, die nicht mehr bearbeitet oder gelöscht werden kann, weil mit dieser Version bereits eine echte Umfrage (die einer befragten Person oder eines Interviewers) in dieser Sprache beantwortet wurde. Simulationen und Vorschauen frieren nie eine Übersetzung ein. Korrigieren lässt sie sich nur in einer neuen Fragebogenversion, auf die Sie die Kampagne dann umstellen.

Die Liste, aus der die erste Version eines importierten oder von der KI entworfenen Fragebogens erzeugt wird: jede Frage mit der in der Quelle abgedruckten Nummer, ihrer Filterführung und ihren Prüfungen sowie was ausgelassen wurde und warum. Sie ist eine einmal geschriebene Aufzeichnung dieser ersten Version und wird von späteren Bearbeitungen nie geändert. Siehe Einen Fragebogen importieren.

Die Seiten, die ein PDF-Import gelesen hat, aufbewahrt beim daraus entstandenen Fragebogen als ein einziges Markdown-Dokument; Antworten sind bereits entfernt, und jede Seite trägt ihre Position in der Datei und die darauf gedruckte Seitennummer. Einmal geschrieben, wie das Inventar. Ein Markdown-Upload wird nicht aufbewahrt. Siehe Einen Fragebogen importieren.

Die Verteilung der Befragten auf die Interviewer in interviewergestützten Kampagnen. Jeder Interviewer erhält eine Teilmenge der Befragten, die er telefonisch oder persönlich befragt, und sieht genau diese Teilmenge auf seiner Arbeitsliste in SirWay. Bis die Kampagne verteilt ist, sieht jeder Interviewer darin den gesamten Pool.

Hält fest, ob eine befragte Person eingeladen wurde, begonnen hat oder ihre Umfrage abgeschlossen hat.

Der Prozentsatz der Befragten, die ihre Umfrage abgeschlossen haben, bezogen auf alle Eingeladenen.

Ein dauerhafter Zustellfehler, den der empfangende Mailserver meldet – die Adresse existiert nicht. Zu unterscheiden vom Soft Bounce, der vorübergehend ist (ein volles Postfach, Greylisting) und nicht auf eine falsche Adresse hindeutet.

Eine E-Mail-Adresse, an die Askalot plattformweit nichts mehr sendet, weil sie einen Hard Bounce verursacht hat. Die Sperre wird nicht automatisch aufgehoben; ein Operator hebt sie auf, sobald feststeht, dass die Adresse wieder gültig ist. Soft Bounces und Spam-Beschwerden werden erfasst, führen aber nie zu einer Sperre. Siehe Versandgrenzen und unzustellbare Adressen.

Eine Nachricht, die Askalot gestoppt hat, bevor sie die Plattform verließ, weil die Domain des Empfängers niemals E-Mails empfangen kann – example.com und die anderen per Internetstandard für Tests reservierten Domains sowie alle Testdomains, die ein Operator eingetragen hat. Es wird kein Fehler gemeldet, da diese Adressen zu Beispieldaten und Demonstrationen gehören und nicht zu Menschen; der Eintrag zum Versuch lautet verworfen statt gesendet. Zu unterscheiden von einer gesperrten Adresse, hinter der ein echtes Postfach steht, das sich als nicht mehr erreichbar erwiesen hat.

Eine Gruppe von Befragten, die für eine bestimmte Kampagne ausgewählt wurden. Pools werden in der Regel aus einer Stichprobenstrategie erzeugt, um demografische Zielverteilungen zu treffen. Ein erzeugter Pool hält die Ziehung fest, mit der er entstand – angeforderte Größe, Oversampling-Faktor, Auswahlalgorithmus, E-Mail-Pflicht und Ausschlüsse –, und eine Aktualisierung zieht mit genau diesen Einstellungen neu. Anders als Strategien sind Pools nicht zur Wiederverwendung gedacht – Befragte, die bereits an einer Studie teilgenommen haben, werden in der Regel nicht erneut ausgewählt, um ihre Zeit zu respektieren und Befragungsmüdigkeit zu vermeiden.

Eine wiederverwendbare Konfiguration, die demografische Zielverteilungen für die Auswahl von Befragten festlegt. Sie bestimmt Schichtungsfaktoren und das Qualitätsmaß, mit dem die Passung bewertet wird; sie enthält keine Stichprobengröße und keinen Auswahlalgorithmus – beides wird für jede Pool-Ziehung gewählt. Dieselbe Strategie kann für verschiedene Kampagnen neue Pools beliebiger Größe erzeugen und wählt dabei jedes Mal neue Befragte aus, die den demografischen Kriterien entsprechen.

Eine Dimension einer Stichprobenstrategie mit Zielanteilen. Meist ein Merkmal der Befragten – Alter, Geschlecht, Wohnort oder ein beliebiges eigenes Merkmal –, zum Beispiel ein Geschlechtsfaktor mit den Zielen 48 % männlich, 50 % weiblich, 2 % divers. Ein Faktor ist immer etwas, das bekannt ist, bevor jemand antwortet, denn ein Pool wird danach gezogen; ein Ziel für eine Umfrageantwort ist stattdessen ein Kalibrierungsziel des Bundles mit der Rolle Nur Benchmark.

Ein Multiplikator auf die angeforderte Größe einer Pool-Ziehung (die benötigten abgeschlossenen Antworten), der fehlende Eignung und Nichtteilnahme ausgleicht. Ein Oversampling-Faktor von 1,2 bedeutet, dass 20 % mehr Befragte ausgewählt werden als angefordert; der Größenplaner im Dialog Pool erzeugen setzt ihn auf 1 ÷ (Eignungsquote × Rücklaufquote). Er wird je Ziehung festgelegt und am Pool gespeichert.

Das Verfahren, mit dem Befragte aus dem Pool ausgewählt werden. Zu den Optionen gehören:

  • Greedy: Wählt in jedem Schritt die Befragten, die die demografische Ausgewogenheit am stärksten verbessern
  • Eingeschränkt zufällig: Wählt zufällig aus und hält dabei die demografischen Vorgaben ein

Ein Maß dafür, wie gut die Stichprobe die demografischen Zielverteilungen trifft:

  • RMSE: Wurzel der mittleren quadratischen Abweichung der Anteile (Root Mean Square Error)
  • MAE: Mittlere absolute Abweichung der Anteile (Mean Absolute Error)
  • Chi-Quadrat: Statistischer Test auf Verteilungsanpassung
  • Max. Abweichung: Größte einzelne Abweichung eines Anteils

Eine benannte Kombination aus einem Projekt, einem Fragebogen und einer nicht leeren Auswahl der Kampagnen dieses Fragebogens mit genau einer linearen Datensatzkette Bronze → Silver → Gold. Ob Freiwillige in der Silver-Analysebasis bleiben, ist eine eigene Entscheidung je Bundle; Vorschauen stehen gar nicht zur Wahl, denn eine Vorschau ist keine Antwort. Die Startseite von Balansor ist ein Pipeline-Board aus Bundle-Karten – jede Datensatzoperation (extrahieren, ableiten, verfeinern, exportieren, Qualität prüfen) bezieht sich auf ein Bundle. Ein Bundle besitzt höchstens einen Datensatz je Stufe; wer eine alternative Gewichtung oder Verfeinerung vergleichen will, klont das Bundle, statt darin zu verzweigen.

Die Messebene über der Stichprobenziehung: vier Messungen, wie weit eine Stichprobe von dem Forschungsdesign entfernt liegt, für das sie gezogen wurde, erhoben an jedem Übergang von der Strategie bis zum gewichteten Datensatz. Strategie → Pool, Strategie → Ist und Strategie → Gewichtet haben die Aktuelle Strategie des Bundles als gemeinsamen Bezugspunkt und liegen daher auf einer Skala – die letzten beiden unterscheiden sich genau um die Recovery, also um das, was die Gewichtung wieder aufgeholt hat. Pool → Ist bezieht sich dagegen auf den Pool und isoliert, was die Feldphase selbst beigetragen hat. Da nie eine befragte Person verworfen wird, um eine Verteilung auszugleichen, wird die Recovery mit Varianz bezahlt; Designeffekt und effektive Stichprobengröße werden deshalb gleichrangig neben den vier Messungen gelesen, nicht ihnen untergeordnet.

Die beiden Grundgesamtheiten hinter den Zahlen eines Bundles. Die Messbasis ist alles, was die Feldphase ergeben hat – die Bronze-Daten –, und sie ist das, was die Messungen zur Feldphase zählen. Die Analysebasis ist die Teilmenge, die den Vollständigkeits-Schwellenwert des Bundles erreicht, angewendet beim Ableiten von Silver aus Bronze; eine Änderung des Schwellenwerts leitet Silver daher neu ab, ohne Bronze zu berühren. Die Vollständigkeit einer Umfrage ist das Verhältnis ihrer beantworteten Items zu den tatsächlich erreichten Items (jedes einzelne angezeigte Item, einschließlich dessen, das beim Abbruch auf dem Bildschirm war), sodass Filterführung nie als Fehlen gilt und eine abgebrochene Umfrage niedrig ausfällt.

Die Grenze je Bundle (Voreinstellung 50 %, als Anteil angegeben), die die Analysebasis definiert. Weil diese Ausfälle durch eine Entscheidung des Operators entstehen und nicht im Feld, wird die dadurch entfernte Menge anhand der Faktoren der Strategie mit der Analysebasis verglichen – ein demografisch verzerrender Schnitt wird so sichtbar, statt unbemerkt zu bleiben. Wurde nichts ausgeschlossen, wird genau das gemeldet und nicht eine Abweichung von null.

Die einem Bundle zugewiesene Stichprobenstrategie, die als Bezugspunkt für jedes strategiebezogene Maß dient – Strategie → Pool, Strategie → Ist und Strategie → Gewichtet gleichermaßen; das bringt sie auf eine Skala. Sie lässt sich jederzeit auf der Übersichtsseite des Bundles oder über die API neu zuweisen, und eine Neuzuweisung berechnet alle drei neu; ohne sie melden diese Maße ausdrücklich „keine Strategie“ statt eines Werts.

Eine frei bearbeitbare Liste von Zielen je Bundle, von denen jedes eine Datensatzspalte, die Zielanteile ihrer Werte und eine Rolle nennt. Ein Ziel mit der Rolle Geraked (die Voreinstellung) ist die Vorgabe für die Gewichtung: der Wert, an den das Raking anpasst. Es ist bewusst nicht der Maßstab, an dem das gewichtete Ergebnis bewertet wird – eine Gewichtung an ihrem eigenen Ziel zu bewerten würde nur zeigen, dass sie dieses Ziel getroffen hat, nicht, dass die Stichprobe dem Design ähnelt. Ziele mit der Rolle „Geraked“, die von der Aktuellen Strategie abweichen, zeigen sich daher als Abstand zu dieser Strategie, und die Seite zeigt nur, wie nah das Raking ihnen gekommen ist (Durch Raking erreicht). Ein Ziel mit der Rolle Nur Benchmark wird nicht zur Gewichtung genutzt: Es ist eine externe Zahl, etwa ein Wahlergebnis oder ein Zensusanteil einer Antwort, und die Bundle-Qualität bewertet die ungewichtete und die gewichtete Stichprobe daran. Ziele lassen sich aus einem anderen Bundle kopieren; die nicht passenden werden mit Begründung aufgeführt. Beim ersten Öffnen der Silver-Stufe werden sie einmal aus den Faktoren der Aktuellen Strategie befüllt und sind danach unabhängig von ihr. Eine Zielkategorie auf einer Antwortspalte muss eine der Optionen der Frage sein, nach Optionscode oder Optionsbeschriftung, und jeder Speichervorgang prüft das anhand des Fragebogens des Bundles; ein Ziel mit der Rolle „Geraked“, dessen Kategorien in seiner Spalte nicht vorkommen, lässt die Ableitung fehlschlagen, statt stillschweigend ignoriert zu werden. Ein Ziel kann auch ein eigenes Merkmal der Befragten nennen, das der Datensatz noch nicht enthält: Ein eigenes Merkmal wird nur dann in einen Datensatz kopiert, wenn ein Faktor der Strategie oder ein Kalibrierungsziel es nennt, und kommt daher mit der nächsten Bronze-Extraktion hinzu.

Wie viel Abstand zum Forschungsdesign die Gewichtung geschlossen hat, gemessen in Einheiten des zusammengesetzten Fehlers über die Faktoren, die sowohl auf der Feld- als auch auf der gewichteten Seite bewertet werden. Angegeben als Fehler statt als prozentuale Änderung des Qualitätswerts, sodass gleiche Verbesserungen bei unterschiedlichen Ausgangspunkten gleiche Werte ergeben und zwei Bundles vergleichbar sind. Gibt es keinen Faktor, der auf beiden Seiten bewertet wird, wird sie als nicht berechenbar gemeldet und nicht als null.

Eine Ja/Nein-Spalte, die für eine Option einer Mehrfachauswahlfrage erzeugt wird. Mehrfachauswahlantworten werden als die Kombination gespeichert, die eine befragte Person ausgewählt hat, und lassen sich so nicht direkt gewichten oder kreuztabellieren – die Spalten je Option sind die auswertbare Form. Leer statt „nein“, wenn die befragte Person die Frage übersprungen hat. (Die Codierung offener Antworten erzeugt diese nicht; siehe Codierte Dimension.)

Eine Achse, in der sich die Antworten auf eine offene Frage unterscheiden, und die Einheit, die die Codierung offener Antworten erzeugt. Jede behaltene Dimension wird zu genau einer kategorialen Spalte mit einer Kategorie je befragter Person – dieselbe Form, die eine Dropdown-Frage erzeugt. Eine Frage, die sich in zwei Dingen zugleich unterscheidet (worum es in der Antwort geht und wie die befragte Person dazu steht), ergibt zwei Dimensionen und zwei Spalten. Ihre Identität überdauert eine Umbenennung: Der Spaltenname wird festgelegt, wenn die Dimension zum ersten Mal vorgeschlagen wird, sodass ein Gewichtungsziel, das sie nennt, gültig bleibt.

Die Kategorie, die in jeder codierten Dimension für eine Antwort reserviert ist, die gegeben wurde, aber zu keiner Kategorie dieser Dimension passte. Sie ist ein Rest, keine Personengruppe – ihre Größe zeigt, wie viel das Codebuch abdeckt –, und sie unterscheidet sich von einem unbeantworteten Item, das gar keine Kategorie trägt. Sie lässt sich wie jede andere Kategorie gewichten, und ein Kalibrierungsziel auf einer Dimension muss einen Anteil für sie angeben.

Der menschliche Kontrollpunkt zwischen Silver-Ableitungen: Vorgeschlagene Dimensionen werden mit ihren Kategorien, den Anzahlen je Kategorie und Beispielantworten gelesen und dann auf der Silver-Seite des Bundles umbenannt, neu zugeschnitten und ausgewählt. Welche Dimensionen zu Spalten werden, entscheiden bewusst nur Menschen – der Stand der Dimensionsprüfung (Vorschläge, Kategorien, Auswahl und die Fragen, deren Prüfung noch aussteht) ist über die API lesbar, aber es gibt kein Tool, das darüber entscheiden kann.

Ein Muster der Datenverarbeitung mit drei Stufen zunehmender Verfeinerung, die zu einem Bundle gehören:

  1. Bronze: Rohe Umfrageantworten, extrahiert aus den Kampagnen des Bundles – die Messbasis, die teilweise abgeschlossene und von der Engine markierte Umfragen enthalten kann, wenn das Bundle sie zulässt
  2. Silver: Offene Antworten zuerst in beschriftete kategoriale Spalten codiert, dann per Poststratifikation gewichtet
  3. Gold: Endgültiger, verfeinerter Datensatz, bereit für Export und Analyse

Die erste Stufe der Kette eines Bundles und seine Messbasis. Enthält rohe Umfrageantworten mit der Demografie der Befragten, aber ohne statistische Anpassungen. Entsteht durch Extraktion der Umfragen aus den gewählten Kampagnen des Bundles – abgeschlossene immer, teilweise abgeschlossene und von der Engine markierte zusätzlich, wenn die Schalter für die Messbasis des Bundles sie zulassen.

Die zweite Stufe der Kette eines Bundles und seine Analysebasis. Zuerst werden Umfragen unter dem Vollständigkeits-Schwellenwert des Bundles ausgeschlossen; offener Text im Rest wird in eine Spalte je ausgewählter codierter Dimension codiert; dann läuft die Poststratifikationsgewichtung (Raking) einmal über diese codierte Fallbasis, um Stichprobenverzerrungen zu korrigieren. Die Codierung kommt vor der Gewichtung, damit eine codierte Dimension in derselben Ableitung als Gewichtungsvariable zur Verfügung steht.

Die letzte Stufe der Kette eines Bundles. Enthält verfeinerte, exportbereite Daten. Kann Feldtransformationen (Umbenennen, Umordnen, Filtern) und berechnete Felder enthalten. Entsteht aus dem Silver-Datensatz des Bundles.

Ein iteratives proportionales Anpassungsverfahren, das Gewichte für die Befragten berechnet, um die Demografie der Stichprobe an die Zielverteilungen der Grundgesamtheit anzugleichen. Korrigiert Stichprobenverzerrungen, wenn die tatsächlichen Rücklaufquoten von den Zielen abweichen. Läuft einmal, auf der codierten Fallbasis, als Teil der Ableitung des Silver-Datensatzes eines Bundles.

Ein Multiplikator, der jeder Antwort beim Raking zugewiesen wird. Unterrepräsentierte demografische Gruppen erhalten Gewichte > 1,0, überrepräsentierte Gewichte < 1,0. Wird bei der statistischen Analyse angewendet.

Antwortvielfalt bei kategorialen Fragen (0 = alle identisch, 1 = gleichverteilt). Siehe Referenz der Qualitätskennzahlen.

Muster identischer Antworten über alle Teilfragen einer Fragengruppe, das auf unaufmerksames Antworten hinweist. Siehe Referenz der Qualitätskennzahlen.

Systematische Neigung, Likert-Aussagen unabhängig vom Inhalt zuzustimmen (50 % = keine Verzerrung, > 60 % = bedenklich). Siehe Referenz der Qualitätskennzahlen.

Interne Konsistenz für Fragengruppen mit 3 oder mehr Teilfragen (> 0,8 gut, < 0,6 schwach). Siehe Referenz der Qualitätskennzahlen.

Eine befragte Person, deren Antwortzeit unter 1/3 des Medians der Kohorte liegt. Siehe Referenz der Qualitätskennzahlen.

Die Summe der Zeiten, die die einzelnen Fragen einer Umfrage auf dem Bildschirm angezeigt wurden, gemessen je Frage und nicht als Abstand zwischen dem Anlegen und dem Absenden der Umfrage – so zählen eine Unterbrechung oder ein später Beginn nicht als Bedenkzeit. Siehe Erkennung von Speedern.

Eine Umfrage, bei deren Durchlauf ein Problem auftrat, das die Plattform abgefangen hat, statt abzubrechen – nicht auswertbare Fragebogenlogik, ein abgelehnter vorausgefüllter Wert oder ein wiederholter Abschnitt, der für ein nicht deklariertes Subjekt abgefragt wurde. Je nach Folgen für die Daten als kritisch, beeinträchtigt oder informativ eingestuft; kritische Umfragen werden von der Datensatzextraktion ausgeschlossen. Siehe Beeinträchtigte Umfragen.

Ein zusammenhängender Abschnitt einer Umfrage innerhalb eines einzelnen Blocks – ein Durchgang durch einen wiederholten Abschnitt oder ein Eintritt in einen Block, zu dem die befragte Person später zurückkehrt. Die Detailseite einer Umfrage ist in einen Abschnitt je Blockbesuch gegliedert. Siehe Eine einzelne Umfrage prüfen.

Ausschlussverfahren über mehrere Hinweise: Befragte mit 3 oder mehr Qualitätshinweisen (Speeder + Straightliner + hohe Nichtantwort) werden zum Ausschluss empfohlen. Siehe Referenz der Qualitätskennzahlen.

Anteil der Umfragen einer Kampagne, die den Status „Abgeschlossen“ erreichen. Siehe Referenz der Qualitätskennzahlen.

Vergleich des Abschlusses zwischen Umfragemodi, bezogen auf die begonnenen Umfragen (Umfragen, deren erste Frage angezeigt wurde), wobei jede begonnene Umfrage nach ihrem Anteil beantworteter zutreffender Fragen als vollständig, teilweise oder abgebrochen eingestuft wird. Siehe Referenz der Qualitätskennzahlen.

Varianzinflation durch ungleiche Gewichtung: DEFF = 1 + CV^2 der Gewichte (Kish, 1965). Siehe Referenz der Qualitätskennzahlen.

Gleichwertige ungewichtete Stichprobengröße: n_eff = n / DEFF. Siehe Referenz der Qualitätskennzahlen.

Eine mehrstufige geführte Oberfläche zum Anlegen von Kampagnen. Führt durch Projektauswahl, Hochladen des Fragebogens, Stichprobenstrategie, Pool-Erzeugung und Kampagnenstart, mit Empfehlungen in jedem Schritt.

Eine dialogorientierte KI-Oberfläche für Kampagnenaufgaben. Erlaubt Befehle in natürlicher Sprache wie „Legen Sie eine Kampagne für eine Kundenzufriedenheitsstudie an“ und führt die Operationen über MCP-Tools aus.

Eine demografische und verhaltensbezogene Vorlage für die Erzeugung synthetischer Antworten. Legt Merkmale wie Altersspanne, Einkommensniveau und Antwortstil fest. Beispiele: „Young Professional“, „Family-Oriented“, „Retired Senior“.

KI-gestützte Simulation von Umfrageantworten auf Grundlage von Persona-Profilen. Dient zum Testen von Analyse-Pipelines, zur Validierung der Fragebogenlogik und zur Erzeugung realistischer Testdaten.

Tools des Model Context Protocol, die KI-Assistenten Plattformoperationen zugänglich machen. Ermöglichen über eine standardisierte Schnittstelle den programmatischen Zugriff, um Projekte anzulegen, Kampagnen zu verwalten, Umfragen auszufüllen und Daten zu analysieren.

Eine benannte Gruppe von MCP-Tools für einen Bereich des Forschungs-Workflows – Stichprobe, Feldphase, Analyse und sechs weitere. Eine Verbindung kann in ihrer URL die gewünschten Toolsets nennen und sieht dann nur diese Tools. Das grenzt ein, was ein Assistent zu sehen bekommt, nie, was er tun darf: Darüber entscheiden weiterhin Ihr Abonnement, Ihre Rolle und die Projektinhaberschaft. Siehe MCP-Schnittstelle.

Ein MCP-Tool, das eine ganze Folge anderer Tools in einem Aufruf ausführt – eine Kampagne für die Feldphase vorbereiten, ihre Antworten simulieren oder die Pipeline Bronze → Silver → Gold eines Bundles ausführen. Jeder Schritt ist dasselbe Tool, das ein Assistent von Hand aufrufen würde, sodass dieselben Datensätze und derselbe Audit-Trail entstehen. Eine Kette prüft die Berechtigung für jeden Schritt, bevor sie irgendetwas aufbaut, bricht sie unterwegs ab, nennt sie den Schritt, an dem sie abgebrochen hat, und lässt bestehen, was frühere Schritte angelegt haben.

Ein Kontrollkästchen in den Bereichen Direct LLM und Reasoning-Modelle der Profileinstellungen, standardmäßig aktiviert. Solange es aktiviert ist, stellt Askalot die Modell-Slots des Bereichs auf die neueste Claude-Version einer festen Familie um (Sonnet für Direct LLM; Opus, Sonnet und Haiku für die hohe, mittlere und niedrige Reasoning-Stufe) und wechselt einen Slot erst, nachdem ein Testaufruf des neuen Modells mit Ihren eigenen Zugangsdaten gelungen ist. Wählen Sie ein Modell von Hand, wird die Option für diesen Bereich deaktiviert. Siehe KI-Funktionen und Modelloptionen.

Die auf der Plattform betriebenen Modelle, die das Embedding von Dokumenten und optional das Cross-Encoder-Reranking abgerufener Passagen für den Wissensgraph-Retriever übernehmen – bewusst auf der Plattform gehalten (statt bei einem Cloud-Anbieter), damit die Vektoren Ihrer indexierten Dokumente die Plattform nie verlassen. Damit sie im Leerlauf keine Last erzeugen, ruhen sie zwischen Anfragen und wachen bei der ersten Nutzung auf; eine Anfrage nach einer Leerlaufphase dauert daher einige Sekunden länger. Eine Anzeige für lokale Modelle in der Navigationsleiste und im Code-Editor zeigt, ob sie bereit sind, aufwachen oder ruhen. Zu unterscheiden vom Reasoning-Anbieter (Claude über Anthropic oder AWS Bedrock), der die übergeordneten KI-Agenten betreibt und die Schlüsselwortextraktion zur Abfragezeit übernimmt, die der Wissensgraph-Retriever nutzt.

Die Plattform zur Durchführung von Umfragen. Befragte und Interviewer füllen in SirWay Umfragen aus.

Die Plattform für die Kampagnenverwaltung. Manager legen in Targetor Kampagnen an, importieren Befragte und verfolgen den Fortschritt.

Die Umgebung für Ideenfindung und Fragebogendesign. Designer legen in Armiger auf Grundlage von Quelldokumenten und Zielen in natürlicher Sprache den Forschungsbericht an und schreiben und validieren dann Fragebögen mit KI-Unterstützung und Z3-SMT-Validierung. Sie wählen ein Projekt aus der Projektliste von Armiger, und der Editor öffnet sich mit genau diesem einen Projekt – seinen Fragebögen, seinen hochgeladenen Dokumenten, seinem Forschungsbericht und sonst nichts. Der Editor läuft in Ihrem Browser und arbeitet direkt mit dem gespeicherten Projekt: Jeder Speichervorgang wird sofort zu einer neuen Version in der Versionshistorie des Fragebogens – siehe Integration mit Armiger.

Die Plattform zur Analyse der Datenqualität. Analysten nutzen das Pipeline-Board von Balansor, um Bundles aufzubauen, offene Antworten zu codieren und Poststratifikationsgewichte anzuwenden, die Antwortqualität zu bewerten (Straightlining, Speeder, Cronbachs α), die Repräsentativität zu messen und belastbare Datensätze zu exportieren. Der Analyst-Agent liest den Forschungsbericht, um die Ergebnisse an den ursprünglichen Zielen zu messen, und schreibt sein Urteil als Studie zurück in den Forschungsbericht.

Das API-Gateway und der MCP-Server. Stellt REST-Endpunkte und Tools des Model Context Protocol für den programmatischen Zugriff auf alle Plattformoperationen bereit. Betreibt die KI-Chat-Oberfläche.

Die Verwaltungsplattform. Verwaltet Benutzer, Organisationen und Plattformeinstellungen. Beherbergt den Kampagnenassistenten und die Chat-Oberfläche für KI-gestützte Abläufe.